Organisasi Sistem Komputer

Bagian 4
Floating Point

Sekolah Teknik Elektro dan Informatika

Institut Teknologi Bandung
2009
1
Pembahasan

g pecahan
Bilangan p biner
Representasi floating point standar IEEE 754
Pengkodean floating point
Normalized
Denormalized
Nilai khusus
Rounding
Operasi floating point
Floating point pada C

2
Bilangan Pecahan Biner
2i
Representasi bilangan :
2i1
i
bk 2
k
b=
4 k = j
binary point
2
1 Bit sebelah k binary
b l h kiri b point
merepresentasikan bobot 2k
bi bi1 b2 b1 b0 .b1 b2 b3 bj
Bit sebelah kanan binary
1/2
/ point merepresentasikan
1/4 bobot 2-k
1/8

2j
Contoh :
101.112 merepresentasikan bilangan 1 x 22 + 0 x 21 + 1 x 20 + 1 x 2-1 + 1 x 2-2
=4+0+1++
= 5
3
Bilangan Pecahan Biner

Menggeser binary point ke kiri membagi dengan 2

sama dengan shift kanan
contoh : 101.112 = 5
10.1112 = 2 + 0 + + + 1/8 = 2 7/8

Menggeser binary point ke kanan mengalikan dengan 2

sama dengan
g shift kiri
contoh : 1011.12 = 8 + 0 + 2 + 1 + = 11

Bilangan
a ga mendekati
d a 1 memiliki bentuk
b u 0.111111
0 2
Contoh : 63/64 = 1/2+1/4+1/8+1/16+1/32+1/64 = 0.1111112
Direpresentasikan dengan notasi 1.0

4
Keterbatasan Pecahan Biner

Memiliki p j g kode terbatas

panjang
Tidak dapat merepresentasikan bilangan 1/3 secara eksak
Dapat mereprentasikan secara eksak bila berbentuk x x 2y
Bilangan
Bil lain
l i harus
h mengulangi
l i representasi
t i bit berkali-kali
b k li k li

Nilai Representasi
1/3 0.0101010101[01]2
1/5 0.001100110011[0011]2
1/10 0.0001100110011[0011] 2
0.0001100110011[0011]

Akurasi dapat dinaikkan dengan menambah bit, tetapi tetap saja tidak
dapat merepresentasikan secara eksak

5
Bilangan Floating Point

p
Merupakan p
aproksimasi g real
dari bilangan
Merepresentasikan bilangan real dalam bentuk V = x x 2y
Tidak selalu memberikan hasil eksak, dapat terjadi pembulatan

Digunakan dalam melakukan komputasi :

bilangan sangat besar (|V | 0), dan
bilangan sangat dekat dengan nol (|V | 1)

Pecahan biner tidak efisien dalam mengkodekan bilangan bernilai besar

Contoh : 5 x 2100 tersusun atas pola bit 101 diikuti 100 buah nol

6
Floating Point Standar IEEE
Ide
Bentuk V = x x 2y ingin direpresentasikan dengan hanya memberikan
nilai x dan y-nya saja

Representasi floating point standar IEEE 754

V = (1)
( 1)s x M x 2E
Bit tanda s menentukan apakah bilangan negatif (s=1) atau positif (s=0)
Signifikan M adalah bilangan pecahan, berkisar antara 1 dan 2 atau
antara 0 dan 1
Eksponen E adalah bobot nilai bilangan

Standar IEEE 754

Ditentukan tahun 1985
Bentuk standar aritmetika floating point
Sebelumnya, terdapat berbagai macam format
Didukung oleh seluruh CPU
7
Pengkodean Floating Point
Representasi floating point IEEE
V = (1)s x M x 2E

Kode biner floating point

s exp frac

1 bit k bit n bit

s (sign
g ) sepanjang
p j g satu bit mengkodekan
g bit tanda s
exp (exponent) sepanjang k bit mengkodekan eksponen E
frac (fraction) sepanjang n bit mengkodekan signifikan M

Ukuran (tipe data float

fl t pada C)
Single precision : s=1 bit, exp=8 bit , frac=23 bit total 32 bit
Double precision : s=1 bit, exp=11 bit, frac=52 bit total 64 bit

8
3 Kasus Kode Floating Point

Berdasarkan pola bit exp, pengkodean floating point

dibagi menjadi tiga kasus :
Nilai normalized
K
Kasus paling
li umum
Bila bit-bit exp tidak semua nol (exp 0000) atau tidak
semua satu (exp 1111)
Nilai denormalized
Bila bit-bit exp semuanya nol (exp = 0000)
Nilai khusus
Bila bit-bit exp semuanya satu (exp = 1111)

9
Nilai Normalized
Berlaku untuk kondisi exp 0000 dan exp 1111
Eksponen
k Ed
diinterpretasikan
k dalam
d l bentuk
b k bias
b
E = e bias
e : nilai unsigned yang dikonversikan langsung dari exp
bias : nilai bias = 2k-1 1, dimana k adalah banyaknya bit exp
single precision : bias = 127, e = 1 s/d 254, E = -126 s/d 127
double precision : bias = 1023, e = 1 s/d 2046, E = -1022 s/d 1023)

Signifikan M adalah bilangan pecahan

M = 1+f
pecahan f = 0.xxxx
0.xxx x2, dimana x adalah bit
bit-bit
bit pada frac
M berkisar antara 1.0 (frac= 0000) s/d 2.0 (frac = 1111 )

s exp
p frac

1 bit k bit n bit

10
Nilai Denormalized
Berlaku untuk kondisi exp = 0000
Nilai kode
eksponen E = 1 bias
bias = 2k-1 1, dimana k adalah banyaknya bit exp
signifikan M = f
pecahan f = 0.xxxx2, dimana x adalah bit-bit pada frac

Kasus denormalized
e p = 0000,
exp 000 0 frac = 0000
000 0
Merepresentasikan nilai 0
Terdapat perbedaan antara nilai +0 and 0, berdasarkan nilai bit s
exp = 0000, frac 0000
Bilangan
Bil yang sangatt dekat
d k tddengan 0.0
00
Sifat gradual underflow, semakin kecil semakin presisi

s exp
p frac

1 bit k bit n bit

11
Nilai Khusus
Berlaku untuk kondisi exp = 1111
Kasus :
exp = 1111, frac = 0000
Merepresentasikan nilai (tak hingga/infinity)
positiff + bila
b l s=0 d negatiff bila
0 dan b l s=1
Hasil operasi yang mengalami overflow
Hasil kali dua bilangan sangat besar
1 0/ 0 0 = +,
(1 0/0 0 = 1.0/0.0
Pembagian dengan nol (1.0/0.0 1.0/0.0
1 0/ 0 0 = )
exp = 1111, frac 0000
Disebut Not-a-Number (NaN)
Merepresentasikan situasi dimana tidak ada nilai numeriknya
Contoh : sqrt(1),

s exp
p frac

1 bit k bit n bit

12
3 Kasus Kode Floating Point

Ringkasan
g pengkodean
p g bilangan
g real floating
g point
p :
1. Normalized
2. Denormalized
3 Nilai khusus
3.
Tak hingga (infinity)
Not a Number

-Normalized -Denorm +Denorm +Normalized +

NaN NaN
0 +0

13
Distribusi Nilai
Misalkan : floating point 6 bit, format menyerupai IEEE
sign s = 1 bit, eksponen exp = 3 bit, pecahan frac = 2 bit

Seluruh range nilai :

-15 -10 -5 0 5 10 15

Nilai antara -1.0 hingga +1.0 :

-1 -0,5 0 0,5 1
-15 -10 -5 0 5 10 15
D
Denormalized
li d N
Normalized
li d Infinity
f

Perhatikan : distribusi semakin padat ketika mendekati nol

14
Contoh Kode Floating Point
1/4
Diberikan representasi floating point 8-bit (tiny)
Satu bit tanda s terletak di most significant bit
Empat bit berikutnya adalah eksponen exp
Tiga bit terakhir adalah frac

7 6 3 2 0
s exp frac

Bentuk menyerupai format IEEE

Terdapat kasus normalized, denormalized
Terdapat
T d t representasi
t i untuk
t k nol,
l ttakk hi
hingga dan
d NaN
N N
Representasi nilai dihitung : V = (1)s x M x 2E
dimana M diturunkankan dari frac dan E diturunkan dari exp

15
Contoh Kode Floating Point
2/4
exp e E 2E kasus

0000 0 -6 1/64 denormalized

0001 1 -6 1/64 normalized
0010 2 -5 1/32
0011 3 -4 1/16
0100 4 -3 1/8
0101 5 -2 1/4 Perhitungan nilai E
0110 6 -1 1/2 denormalized : E = 1 - bias
0111 7 0 1
normalized : E = e - bias
1000 8 +1 2
1001 9 +2 4
1010 10 +3 8 bias = 2k-1 1 = 24-1 1 = 7
1011 11 +4 16
1100 12 +5 32
1101 13 +6 64
1110 14 +77 128 normalized
li d
1111 15 - - inf, NaN
16
Contoh Kode Floating Point
3/4
exp frac f M kasus

0000 000 0 0
0000 001 1/8 1/8
0000 010 2/8 2/8
denormalized
0000 110 6/8 6/8
0000 111 7/8 7/8 Perhitungan nilai M
0001 000 0 8/8
0001 001 1/8 9/8 denormalized : M = f
normalized : M = 1 + f
0110 111 7/8 15/8 f = 0.xxx2, x adalah bit-bit frac
0111 000 0 8/8
0111 001 1/8 9/8
normalized
1110 110 6/8 14/8
1110 111 7/8 15/8
1111 000 - - tak hingga
17
Contoh Kode Floating Point
4/4
s exp frac Perhitungan nilai V = (1)s xMx 2E

0 0000 000 0
0 0000 001 1/8*1/64 = 1/512 bilangan terdekat ke nol
0 0000 010 2/8*1/64 = 2/512

0 0000 110 6/8*1/64 = 6/512

0 0000 111 7/8*1/64 = 7/512 bilangan denormalized terbesar
0 0001 000 8/8*1/64 = 8/512 Bilangan
g normalized terkecil
0 0001 001 9/8*1/64 = 9/512

0 0110 111 15/8*1/2 = 15/16 terdekat ke 1 (dr bawah)

0 0111 000 8/8*1
8/8 1 = 1
0 0111 001 9/8*1 = 9/8 terdekat ke 1 (dari atas)

0 1110 110 14/8*128 = 224

0 1110 111 15/8*128
/ = 240 bilangan normalized terbesar
0 1111 000 + tak hingga
18
Nilai Single Precision (float)
Single precision : s=1 bit, exp=8 bit , frac=23 bit total 32 bit

D k i i
Deskripsi exp f
frac Nil i Numerik
Nilai N ik
Zero 0000 0000 0.0

Denorm pos terkecil

k il 0000 0001 2 23 X 2126
126

1.4 X 1045

Denorm terbesar 0000 1111 (1.0 ) X 2126

1.2 X 1038

Norm pos terkecil 0001 0000 1.0 X 2126

1.2
1 2 X 1038

Satu 0111 0000 1.0

Normalized terbesar 11 10 1111

1110 11 11 0 )) X 2127
(2.0
(2
3.4 X 1038
19
Integer ke Floating Point
Konversi integer ke format floating point single precision

1234510 = 0x3039 = 110000001110012 = 1.10000001110012 X 213

normalisasi bilangan dengan shift 13 posisi ke kanan binary point
Konstruksi bagian frac (23 bit)
ambil signifikan M = 1.10000001110012
frac = 100000011100100000000002
frac diperoleh dengan membuang bit 1 di depan dan menambah 10 buah nol
K
Konstruksi
t k i bagian
b i exp (8 bit)
bias = 127; E = 13; e = E + bias = 140; diperoleh exp = 100011002

Reprensentasi floating point : 12345.0 = 0x4640E400

Heksa 4 6 4 0 E 4 0 0
Biner 0100 0110 0100 0000 1110 0100 0000 0000
1 bit tanda 8 bit exp 23 bit frac
20
 Operasi Floating Point
Konsep operasi floating point
1. Hitung hasil eksak
2. Cocokan hasil dengan tingkat kepresisian yang diinginkan
Dapat terjadi overflow jika eksponen terlalu besar
Dapat terjadi pembulatan agar cocok dengan nilai frac

Metoda pembulatan (rounding)

1.40
1 40 1.60
1 60 1.50
1 50 2.50
2 50 1.50
1 50
Zero 1 1 1 2 1
Round down (-) 1 1 1 2 2
Round up (+) 2 2 2 3 1
Nearest Even (default) 1 2 2 2 2
Catatan :
zero = pembulatan ke arah nol; round down = pembulatan ke bawah;
round up = pembulatan ke atas; nearest even = pembulatan terdekat
21
Pembulatan Nearest Even

Mode p pembulatan standar (default)

Pembulatan ke nilai terdekat
Jika bilangan berada tepat ditengah-tengah antara dua
nilai
il i yang mungkin
ki bulatkan
b l tk sehingga
hi nilai
il i digit
di it
terkecil menjadi genap

Contoh : pembulatan ke per seratus terdekat

1.2349999 1.23 (kurang dari setengah)
1.2350001 1.24 (lebih besar dari setengah)
1.2350000 1.24 (nilai tengah, bulatkan ke atas)
1.2450000 1.24 ((nilai tengah,
g , bulatkan ke bawah))

22
Pembulatan Bilangan Biner

Bilangan pecahan biner

Bernilai
Be nil i genap
gen p jika
jik least
le t significant
ignifi nt bit = 0
Contoh : Pembulatan ke 1/4 terdekat (2 bit di kanan binary point)

Nilai Biner Pembulatan Hasil Nilai akhir

2 3/32 10.000112 < nilai tengah, bulat terdekat 10.002 2
2 3/16 10.001102 > nilai tengah, bulat terdekat 10.012 2 1/4
2 7/8 10.111002 nilai tengah, bulat ke genap 11.002 3
2 5/8 10.101002 nilai tengah, bulat ke genap 10.102 2 1/2

23
Floating Point pada C
Bahasa C memiliki dua format floating point :
float single precision (32 bit)
double double precision (64 bit)
Casting antara format int, float, dan double mengubah nilai
numerik dan representasi bit-nya
bit nya :
Dari int ke float
Bilangan tidak akan overflow, tetapi dapat mengalami pembulatan
Dari
D i int atau
t float ke
k double
Konversi secara eksak, double memiliki range dan presisi lebih besar
Dari double ke float
Dapat mengalami overflow (+ atau )
Dapat juga terjadi pembulatan, karena presisi lebih rendah
Dari double atau float ke int
Memotong bagian pecahan, mendekati nol, beda dengan rounding
24
Ariane 5

Meledak 37 detik setelah

peluncuran
Membawa muatan, satelit
seharga 500 juta dollar
Mengapa terjadi kegagalan ?
Perhitungan kecepatan
horisontal dilakukan dalam
bilangan floating point
Dikonversi ke integer 16-bit
Bekerja baik pada Ariane 4
Pada Ariane 5 terjadi overflow
Ariane 5 menggunakan
perangkat lunak yang sama
dengan Ariane 4, padahal
kecepatan geraknya lima kali
lebih tinggi dari Ariane 4
25
Ringkasan

Floating point standar IEEE digunakan untuk merepresentasikan

bilangan
bil reall dalam
d l b t k V = (1)
bentuk ( 1)s x M x 2E

Floating point digunakan untuk melakukan komputasi bilangan

sangat besar (|V | 0)
0), dan bilangan sangat dekat dengan nol
(|V | 1)

Floating point dikodekan dalam tiga kasus : untuk nilai

denormalized, normalized dan nilai khusus (tak hingga dan NaN)

Hasil operasi floating point dapat mengalami pembulatan

(rounding)

26